Open-Source-KI holt auf: Llama 4, Gemma 4 & GLM-5.1 – was das für Datenschutz-bewusste KMU heisst

Was in den letzten zwei Wochen passiert ist

Der April hat eine ungewöhnlich dichte Welle an Open-Source-KI-Releases gebracht:

• 2. April: Google veröffentlicht Gemma 4 – die nächste Generation seiner offenen, lokal lauffähigen Modellfamilie.
• 5. April: Meta bringt Llama 4 Scout (leichtgewichtig) und Llama 4 Maverick (für komplexere Aufgaben) – nach 14 Milliarden Dollar Vorlaufinvestition.
• 7. April: Zhipu AI aus China launcht GLM-5.1, das auf mehreren Benchmarks mit westlichen Premium-Modellen gleichauf liegt.
• 8. April: Meta ergänzt mit Muse Spark ein multimodales Modell für Agenten-Aufgaben.

Die gemeinsame Botschaft dieser Woche: Der Abstand zwischen den geschlossenen Top-Modellen (Claude, GPT, Gemini) und den besten offenen Modellen ist so klein geworden wie nie zuvor.

Warum das für Schweizer KMU spannend ist

Die grösste Hürde für KI-Einsatz in vielen Schweizer Unternehmen war nie die Technik – es war der Datenschutz. Wer Mandantendaten, Lohndaten oder Gesundheitsdaten in eine US-Cloud schickt, hat ein Compliance-Problem, das kein noch so gutes Modell aus der Welt schafft.

Mit Llama 4 und Gemma 4 ändert sich die Ausgangslage. Diese Modelle können Sie:

• Lokal auf eigenem Server betreiben – mit einer Mittelklasse-GPU (z.B. NVIDIA L40S) ab rund CHF 8'000 Hardware-Einsatz ist ein produktives Setup realistisch.
• Bei einem Schweizer Hoster betreiben – Infomaniak, Exoscale und mehrere regionale Provider bieten inzwischen GPU-Instances mit Schweizer Datenlokalität.
• Air-Gapped einsetzen – also komplett ohne Internet-Verbindung, was für hochsensible Umgebungen (Pharma, Rechtsberatung, Bundesverwaltung) den Unterschied zwischen "erlaubt" und "undenkbar" ausmacht.

Wo offene Modelle noch nicht mithalten

Ehrlich bleiben: Für anspruchsvolle Reasoning-Aufgaben, Code-Generierung auf hohem Niveau und lange Agenten-Workflows sind Claude Opus 4.7 oder GPT-5.4 weiterhin vorne. Wer einen KI-Agenten bauen will, der Tag und Nacht komplexe Recherchen macht, greift 2026 noch zu den geschlossenen Premium-Modellen.

Für die meisten KMU-Aufgaben reichen die offenen Modelle aber locker:

• Klassifikation (Eingangsmail, Support-Anfrage, Rechnung vs. Werbung)
• Zusammenfassungen (Meetings, Dokumente, Verträge)
• Text-Entwürfe (Offerten, Antwortmails, Social-Media-Posts)
• Datenextraktion aus PDFs und Bildern
• Semantische Suche in der eigenen Dokumentenbasis (RAG)

Was das preislich bedeutet

Ein reales Rechenbeispiel: Ein Schweizer KMU mit rund 20 Mitarbeitenden, das monatlich ca. 3'000 KI-Anfragen generiert (Email-Klassifikation, Dokumenten-Zusammenfassungen), zahlt bei Claude oder GPT über die API typischerweise zwischen CHF 80 und CHF 250 pro Monat. Bei einem lokal betriebenen Llama-4-Scout liegen die marginalen Kosten bei nahezu null – die Hardware hat sich nach rund 18–30 Monaten amortisiert.

Bei 300'000 Anfragen im Monat (z.B. eine Online-Plattform mit eingebauter KI-Funktion) kippt die Rechnung schon viel früher: Hier rechnet sich die eigene Infrastruktur oft nach wenigen Monaten.

Unser Praxis-Tipp für diese Woche

Wenn bei Ihnen KI bisher am Datenschutz scheitert: Testen Sie Gemma 4 oder Llama 4 Scout lokal – für viele Aufgaben reicht sogar ein MacBook mit M4-Chip oder ein Standard-PC mit einer RTX-4090-GPU. Mit Werkzeugen wie Ollama oder LM Studio sind Sie in 30 Minuten produktiv. Selbst wenn Sie am Ende zu einem Cloud-Modell zurückkehren: Sie wissen dann, was Sie lokal bekommen können – und was nicht. Das ist eine wertvolle Grundlage für jede ernsthafte KI-Strategie.